V
主页
【PyTorch深度学习公开课7】深入探索PyTorch框架结构
发布人
欢迎来到 @九天Hector 与@菜菜TsaiTsai 联合出品的【2021 PyTorch深度学习实战】课程公开课! 扫描视频中的二维码进群即可领取课件、数据、完整版内容哦! ===================== 在掌握了tensor所有基础之后,我们终于可以开始进入建立神经网络的部分。在本节,我会带大家来了解神经网络的诞生、讲解开始训练流程所必备的基础,并深入探索PyTorch的结构框架,说明建立具体神经网络所需要的框架细节。
打开封面
下载高清视频
观看高清视频
视频下载器
【PyTorch深度学习公开课6】AutoGrad动态计算图与梯度下降入门
【PyTorch深度学习公开课 3&4】张量的广播与线性代数运算
【PyTorch深度学习公开课2】张量的索引/分片/合并及维度操作
【技术干货】生成对抗网络GAN|生成对抗网络的思想与训练|生成对抗网络的损失函数|深度学习进阶|深度学习入门|PyTprch深度学习
深度时序公开课03:PyTorch中的LSTM参数简介
【技术干货】全网最易学的卷积神经网络|1小时掌握卷积神经网络|卷积神经网络原理与实现|CNN原理与实现|计算机视觉入门|深度学习入门|PyTorch深度学习实战
【新年福利】三年磨一剑!你们要的深度学习课程来啦!(PyTorch哟~)
深度时序公开课01:LSTM的原理与基本架构
【技术干货】2小时入门深度学习|深度学习基础|深度学习入门|神经网络基础|PyTorch深度学习实战
深度时序公开课06:TCN架构解析与复现
【NLP入门】Transformer在Pytorch中的参数与实现
【NLP入门】Transformer在传统NLP领域的应用:机器翻译、文本分类、文本生成
【PyTorch深度学习公开课1】torch.tensor,PyTorch张量应用入门
【技术干货】生成对抗网络GAN架构复现|生成对抗网络架构训练|生成对抗网络反向传播|深度学习进阶|深度学习基础|PyTorch深度学习实战
【技术干货】菜菜的机器学习sklearn12-神经网络
【LSTM从入门到精通】2小时带你掌握LSTM算法!原理详解|参数全解|股票预测实战应用
【NLP入门】Transformer中的注意力机制
深度学习环境配置一套搞定:anaconda+pytorch+pycharm+cuda全详解,带你从0配置环境到跑通代码!
【技术干货】一听就会的反向传播|反向传播的原理与实现|深度学习入门|深度学习基础|PyTorch深度学习实战
深度时序公开课05:时间序列卷积的运算流程
【全集195集】深度学习必看圣经!李沐大神《动手学深度学习》最新版全套视频教程分享,小白也能信手拈来,看完直接跑通!(深度学习/神经网络/pytorch)】
【教材+源码】李沐《动手学深度学习》2024最新课程!深度学习必看圣经!!
【NLP保姆级教程】3天高效入门NLP,一站式掌握NLP领域核心算法原理&架构! | 自然语言处理 | 深度学习
【NLP入门】Transformer基本结构:Embedding与位置编码
NLP公开课02:深度时序数据与文本数据结构
【技术干货】菜菜的机器学习sklearn05 - 逻辑回归
【技术干货】数据竞赛制胜法宝:集成学习【直播公开课录像】
【技术干货】集成算法专题:GBDT调参实战:贝叶斯优化在GBDT上的应用
【技术干货】游戏氪金行为预测实战|DataCastle2w奖金赛事TOP10方案|数据城堡竞赛|数据分析|机器学习竞赛案例
【Transformer原理与实战】B站蕞全Transformer教程,一站式吃透Transformer!| 原理详解 | 架构精讲 | 代码实战
超全超简单!一口气刷完CNN、RNN、GAN、GNN、DQN、Transformer、LSTM、DBN等八大深度学习神经网络算法!真的比刷剧还爽!
【技术干货】菜菜的机器学习sklearn11 -XGBoost
【技术干货】菜菜的机器学习sklearn04 - 主成分分析PCA与奇异值分解SVD
【技术干货】超参数优化专题:贝叶斯优化|BayesOpt|HyperOpt|Optuna|自动化调参|高斯过程|TPE|机器学习
深度时序公开课04:LSTM单变量股价预测示例
菜菜老师/九天老师亲自带打Kaggle竞赛啦!Kaggle冬季训练营即将开幕,历史战绩9金5银4铜,快加入我们共同冲击冬季Kaggle赛季金牌!
【技术干货】菜菜的机器学习sklearn08 - 支持向量机SVM(下) - 核函数
两小时入门PyTorch深度学习神经网络(绝对快速!绝对通俗!绝对易懂!)
【技术干货】菜菜的机器学习sklearn06 - 聚类算法与KMeans
【技术干货】集成算法专题:XGBoost分枝原理详解:结构分数与分数增益